19 Hilbertovy prostory

Rozměr: px
Začít zobrazení ze stránky:

Download "19 Hilbertovy prostory"

Transkript

1 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem nad tělesem K reálných nebo komplexních čísel (říkáme též, že X je unitární prostor nad K). Potom x = (x,x) je norma na X, nazývaná někdy též "norma indukovaná skalárním součinem". Necht (X,(, )) je unitární prostor nad K. Na X X uvažujme normu [x,y] = max{ x, y }. Potom je zobrazení (, ) : X X K spojité. Definice. Necht (X,(, )) je unitární prostor nad K, x = (x,x). Řekneme, že posloupnost x n X je cauchyovská v X, pokud ε > 0 n 0 N m,n n 0 x n x m < ε. Řekneme, že prostor X je úplný vzhledem k normě, pokud každá cauchyovská posloupnost v X je konvergentní v X. Pokud je X úplný vzhledem k normě x = (x,x), pak se nazývá Hilbertovým prostorem. Příklad 1. Prostory R n (opatřené eukleidovským skalárním součinem) jsou Hilbertovými prostory konečné dimenze. Příklad 2. Bud Ω R n otevřená množina. Pro p 1, ) definujme tzv. Lebesgueovy (L p ) prostory předpisem L p (Ω) := {f : Ω C, Ω f p < }. Na prostoru L 2 (Ω) definujme skalární součin (f,g) 2 = f g. Prostor L 2 (Ω) s tímto skalárním součinem je Hilbertovým prostorem nekonečné dimenze. Příklad 3. Bud Ω R n otevřená množina. Mějme na Ω definovanou tzv. váhovou funkci (váhu, hustotu) ρ takovou, že ρ C(Ω) L 1 (Ω), ρ > 0 na Ω. Pro p (1, ) definujme tzv. Lebesgueovy (váhové) prostory s vahou předpisem L p (Ω) := {f : Ω C, Ω f p < }. Na prostoru L2 (Ω) definujme skalární součin (f,g) 2, = f g. Prostor L 2 (Ω) s tímto skalárním součinem je Hilbertovým prostorem nekonečné dimenze. Poznámka. Mezi všemi L p (resp. L p ) prostory je prostor L 2 (resp. L 2 ) jediný, na kterém lze zavést skalární součin. Pokud má Ω R n konečnou míru, platí Ω Ω 1 p < r < = L r (Ω) L p (Ω). Cvičení. Ukažte: je-li f : (a,b) R omezená na omezeném intervalu (a,b), pak f L p (a,b) p 1, ). Nalezněte funkci f : (0,1) R takovou, že f L 3 (0,1) a přitom f / L 4 (0,1). (Návod: uvažujte funkce 1/x α pro α R.)

2 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory Fourierovy řady v Hilbertově prostoru Definice. Necht X je Hilbertův prostor, Γ je indexová množina a (x γ ) γ Γ je systém prvků prostoru X. (i) Řekneme, že systém {x γ } γ Γ je ortogonální, jestliže platí γ,γ Γ,γ γ : ( x γ,x γ ) = 0. Jestliže navíc x γ = 1 pro každé γ Γ, potom říkáme, že je systém {x γ } γ Γ ortonormální. (ii) Ortogonální systém {x γ } γ Γ je úplný, jestliže jeho lineární obal je hustý v X, tedy jestliže platí Lin({x γ } γ Γ ) = X. (iii) Ortogonální systém {x γ } γ Γ je maximální, jestliže neexistuje prvek u X \ {0} kolmý na všechna x γ, tedy pokud platí (u,x γ ) = 0 γ Γ = u = 0. Zobecnění kartézského souřadného systému do (Hilbertových) prostorů nekonečné di- Poznámka. menze. Ortogonální systém vektorů tvoří lineárně nezávislou množinu vektorů. Z každého lineárně nezávislého systému lze učinit systém ortogonální pomocí tzv. Gram-Schmidtova ortogonalizačního procesu. (Viz Příklad 4 za touto poznámkou.) Z každého ortogonálního systému lze učinit systém ortonormální (prvky vydělíme jejich normami). Systém {1,sin kx,cos kx} k N je ortogonální systém v L 2 (0,2π). Systém {e ikx } k Z je ortogonální systém v L 2 (0,2π). Příklad 4 (Gram-Schmidtův OG proces). Bud {v 1,v 2,...} lineárně nezávislá množina nenulových prvků v Hilbertově prostoru X. Položme e 1 := v 1 a dále, pro n 2, n 1 e n := v n Ukažte, že {e 1,e 2,... } je ortogonální množina nenulových prvků, přičemž j=1 Lin{e 1,...,e k } = Lin{v 1,...,v k }, k = 1,2,... (v n,e j ) e j 2 e j. (1) Věta Necht {e n } je ortogonální posloupnost nenulových prvků Hilbertově prostoru X nad K. Necht x = c ne n, kde c n K. Potom c n = (x,e n) e n 2, n N. (2) Definice. Číslo c n, definované pomocí (2), nazýváme n-tým Fourierovým koeficientem prvku x vzhledem k ortogonální posloupnosti {e n }. Definice. Bud {e n } ortogonální posloupnost nenulových prvků v Hilbertově prostoru X nad K a mějme x X. Uvažujme Fourierovy koeficienty prvku x vzhledem k posloupnosti {e n }, tj. Pak řadu c n = (x,e n) e n 2, n N. c n e n = (x,e n ) e n 2 e n (3) nazvu (abstraktní) Fourierovou řadou prvku x v prostoru X podle ortogonálního systému {e n }.

3 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 36 Otázky: Jak zajistit, abych měl "všechny prvky OG systému" (tj. aby tvořil bázi)? (Úplnost? Maximalita?) Mám x X, rozvinu jej do (Fourierovy) řady. Konverguje vůbec tato řada? Pokud konverguje, co má společného její součet s původním prvkem x? Věta 19.2 (Besselova nerovnost, Parsevalova rovnost). Necht X je Hilbertův prostor nekonečné dimenze, {e n } je ortogonální systém nenulových prvků v X, x X, a c n = (x,en) e n, n N jsou Fourierovy 2 koeficienty prvku x vzhledem k {e n }. Potom Vždy platí c n 2 e n 2 x 2 (Besselova nerovnost); Fourierova řada c n e n vždy konverguje k nějakému prvku y X; Je x = c n e n c n 2 e n 2 = x 2 (Parsevalova rovnost). Poznámka. S ohledem na (2) lze Parsevalovu rovnost psát také ve tvaru (x,e n ) 2 e n 2 = x 2. Definice. Necht X je Hilbertův prostor nad K. Posloupnost {u n } prvků zx se nazývá (Schauderova) báze prostoru X, jestliže pro každý bod x X existuje právě jedna posloupnost {c n } prvků z K, pro kterou platí x = c n u n. Věta Necht X je Hilbertův prostor a {e n } je ortogonální systém nenulových prvků prostoru X. Pak následující tvrzení jsou ekvivalentní: (i) {e n } je Schauderova báze, (ii) {e n } je úplný ortogonální systém, (iii) {e n } je maximální ortogonální systém. (iv) Pro každé x X platí Parsevalova rovnost (vzhledem k systému {e n } ). (v) Každý prvek x X je roven součtu své Fourierovy řady (vzhledem k systému {e n } ). Definice. Necht X Hilbertův prostor. Řeknu, že X je separabilní, pokud existuje spočetná množina prvků z X, která je hustá v X (tedy jejíž uzávěr je celé X). Věta (i) Necht X je separabilní Hilbertův prostor. Potom v X existuje ortonormální spočetná (Schauderova) báze. (ii) Necht X 1,X 2 jsou nekonečně-dimenzionální separabilní Hilbertovy prostory. Potom jsou X 1 a X 2 izometricky izomorfní (tj. existuje mezi nimi bijekce, která zachovává skalární součin). (iii) Každý separabilní Hilbertův prostor dimenze n N je izometricky izomorfní R n.

4 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 37 Věta Systém {1,sin kx,cos kx} k N je úplný ortogonální systém v L 2 (0,2π) a tvoří v něm ortogonální bázi. Systém {e ikx } k Z je úplný ortogonální systém v L 2 (0,2π) a tvoří v něm ortogonální bázi. Věta 19.6 (o nejlepší aproximaci). Bud X Hilbertův prostor a {e n } X ortogonální systém v X. Bud x X. Potom pro libovolná β 1,...,β N K platí x N (x,e n ) e n 2 e n x přičemž nerovnost v (4) je ostrá, pokud je alespoň jedno β j různé od (x,e j) e j Ortogonální systémy polynomů, operátory N β n e n, (4) Důležité otázky: Jakým způsobem získat nějaký konkrétní úplný ortogonální systém (bázi) v L2 (a,b)? Lze to například zařídit tak, aby tato báze byla složena z polynomů? Metoda I: ortogonalizace dané husté LN množiny pomocí Gram-Schmidtova procesu Uvažujme na (a, b) R polynomy 1,x,x 2,x 3,x 4... (5) a uvažujme (pokud (a,b) je neomezený) váhovou funkci takovou, aby x n L 2 (a,b) pro všechna n N {0}. Ortogonalizací pomocí Gram-Schmidtova procesu dostaneme úplný systém ortogonálních polynomů v L 2 (a,b). Obr.: Legendreovy polynomy pro n = 0,1,2,3,4,5. Příklad 5 (Legendreovy polynomy). Ortogonalizací systému (5) v prostoru L 2 ( 1,1) dostaneme tzv. Legendreovy polynomy P n (x). Lze ukázat, že platí P 0 (x) = 1, P n (x) = 1 2 n n! d n dx n(x2 1) n, n N.

5 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 38 přičemž P n (x) 2 = 2 2n + 1, n N {0}. Prvních několik Legendreových polynomů je: P 0 (x) = 1, P 1 (x) = x, P 2 (x) = 3 2 x2 1 2, P 3(x) = 5 2 x3 3 2 x, P 4(x) = 35 8 x x ,... kde kde Podle předchozí teorie tedy platí, že pro každou funkci f L 2 ( 1,1) platí f(x) s.v. = c n P n (x), c n = n=0 1 1 P n (x) 2 f(x)p n (x) dx = 2n f(x)p n (x) dx Například pro f(x) = x L 2 ( 1,1) dostaneme x s.v. = c n P n (x), c n = 2n n=0 1 1 x P n (x) dx, což dá (spočtěte) c 2k+1 = 0 k = 0,1,..., c 0 = 1 2, c 2 = 5 8, c 4 = 3 16, c 6 = například aproximace do šestého řádu dá x x x x6 na ( 1,1). Obr.: Aproximace x pomocí Legendreova polynomu do šestého řádu. Poznámka. Legendreovy polynomy splňují tzv. rekurentní vztah (n+1)p n+1 (x) = (2n+1)xP n (x) np n 1 (x), n N, P 0 (x) = 1, P 1 (x) = x, a jsou řešením tzv. generující diferenciální rovnice ( (1 x 2 )y ) = λy, λ = n(n + 1),n = 0,1,2,....

6 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 39 Příklad 6 (Čebyševovy polynomy). Ortogonalizací systému (5) v prostoru L 2 1 ( 1,1) dostaneme tzv. 1 x 2 Čebyševovy polynomy (1. druhu) T n (x). Lze ukázat, že platí T 0 (x) = 1, T n (x) = cos(n arccos x), n N. přičemž T n (x) 2 = π 2, n N. Prvních několik Čebyševových polynomů je: T 0 (x) = 1, T 1 (x) = x, T 2 (x) = 2x 2 1, T 3 (x) = 4x 3 3x, T 4 (x) = 8x 4 8x 2 1, T 5 (x) = 16x 5 20x 3 + 5x,... Obr.: Čebyševovy polynomy pro n = 0,1,2,3,4,5. Poznámka. Čebyševovy polynomy splňují rekurentní vztah T n+1 (x) + T n 1 (x) = 2xT n (x), a jsou řešením generující diferenciální rovnice n N T 0 (x) = 1, T 1 (x) = x, ( 1 x 2 y ) = λy 1 x 2, λ = n2, n = 0,1,2,.... Poznámka. Ortogonalizací základního systému polynomů 1,x,x 2,x 3,... v příslušných prostorech L2 (a,b) dostaneme odpovídající systém ortogonálních polynomů, do kterého lze rozvíjet všechny funkce, patřící do L2 (a,b). Na konkrétní tvar těchto polynomů má vliv zejména tvar skalárního součinu v L 2 (a,b). Takto dostaneme například Hermiteovy polynomy H n (v prostoru L 2 e x2 (, )), Laguerrovy polynomy L s n řádu s > 1 (v prostoru L2 x s e x (0, )) a mnoho dalších. Pro každý takový systém existuje rekurentní vztah a generující diferenciální rovnice. Podrobněji viz tabulku ortogonálních systémů polynomů na stránce této přednášky.

7 M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 40 Metoda II: generující diferenciální rovnice, resp. generující operátor Definice. Bud a,b R uzavřený interval, p,q, dané funkce definované na a,b. Necht dále α,β,γ,δ R. Okrajovou úlohou v samoadjungovaném tvaru pro neznámou funkci y = y(t) nazveme diferenciální rovnici druhého řádu v tzv. samoadjungovaném tvaru, doplněnou o tzv. okrajové podmínky (p(t)y ) + q(t)y = λ (t)y, t (a,b), λ C, (6) αy(a) + βy (a) = 0, γy(b) + δy (b) = 0. (7) Věta Uvažujme okrajovou úlohu tvaru (6) (7), kde p je spojitá a kladná na a,b, p je spojitá na (a,b), q je reálná a spojitá na a,b, je spojitá, kladná a konečně integrovatelná na (a,b). Navíc necht alespoň jedno z čísel α,β a alespoň jedno z čísel γ,δ je nenulové. Potom existují λ 1 < λ 2 <, lim λ n = taková, že: Pro všechna λ λ n má úloha (6) (7) pouze řešení y 0. Pro každé λ = λ n existuje právě jedno (až na násobek konstantou) nenulové řešení y n úlohy (6) (7). Systém {y n,n N} je úplný ortogonální systém funkcí v L 2 (a,b). Definice. Čísla λ n resp. funkce y n z předchozí věty nazýváme vlastní čísla resp. vlastní funkce úlohy (6) (7). Poznámka. Zobrazení mezi dvěma prostory nazýváme operátorem. Definujeme-li operátor T : C 1 ( a,b ) L 2 (a,b) předpisem T(y) = (py ) + qy, lze rovnici (6) psát ve tvaru tzv. operátorové rovnice: Ty = λ y. (8) Analogicky nazýváme nenulová řešení y n úlohy (8), (7) vlastními funkcemi (s vahou ) operátoru T, přináležejícími vlastnímu číslu λ n. Poznámka. Pro váhu = 1 má rovnice (8) pro vlastní funkce a vlastní čísla operátoru T tvar Ty = λy. (Srovnejte to s definicí vlastního vektoru a vlastního čísla matice.) Věta 19.7 je formulována pouze pro omezené intervaly. Existují také její varianty pro neomezené intervaly, ty však jsou složitější. Existují také varianty s obecnější sadou okrajových podmínek. Obecně však jde vždy o věty, odpovídající na otázku "Za jakých podmínek tvoří vlastní funkce nějakého operátoru T úplný ortogonální systém v daném Hilbertově prostoru?" Studiem (m.j.) i těchto otázek (které jdou nad rámec tohoto kurzu) se zabývá matematická disciplína jménem funkcionální analýza. Cvičení. Aplikujte Větu 19.7 pro a = 0, b = π, p = = 1, q = 0, a pro α = γ = 0, β = δ = 1 resp. pro α = γ = 1, β = δ = 0. Uvažujte rovnici (6) s a = π, b = π, p = = 1, q = 0, a se zobecněnou sadou okrajových podmínek y( π) = y(π), y ( π) = y (π). Poznámka. Existuje varianta Věty 19.7, která připouští, aby funkce p nabývala v některém krajním bodě intervalu a, b nulové hodnoty. V takovém případě se ovšem předpokládá omezenost řešení y v tomto bodě. Za těchto předpokladů dostávame proa = 1, b = 1, p = 1 t 2, = 1, q = 0 generující rovnici pro Legendreovy polynomy. Naznačené úvahy lze zobecnit i pro parciální diferenciální rovnice. Můžeme tak mluvit o vlastních funkcích Laplaceova operátoru jako o nenulových řešeních rovnice y = λy pro x Ω R n, s nulovými okrajovými podmínkami na Ω, atd.

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

DEFINICE Z LINEÁRNÍ ALGEBRY DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které

Více

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Matematika III. Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská. Ústav matematiky

Matematika III. Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská. Ústav matematiky Matematika III Řady Miroslava Dubcová, Daniel Turzík, Drahoslava Janovská Ústav matematiky Přednášky ZS 202-203 Obsah Číselné řady. Součet nekonečné řady. Kritéria konvergence 2 Funkční řady. Bodová konvergence.

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

INTEGRÁLY S PARAMETREM

INTEGRÁLY S PARAMETREM INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. Téma 4: Grupy, okruhy a pole SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,

Více

Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014

Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014 Harmonogram výuky předmětu Rovnice matematické fyziky cvičení pro akademický školní rok 2013-2014 Vedoucí cvičení: ing. Václav Klika, Ph.D. & MSc. Karolína Korvasová & & ing. Matěj Tušek, Ph.D. Katedra

Více

Lineární algebra : Báze a dimenze

Lineární algebra : Báze a dimenze Lineární algebra : Báze a dimenze (5. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 9. dubna 2014, 13:33 1 2 5.1 Báze lineárního prostoru Definice 1. O množině vektorů M z LP V řekneme,

Více

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,

Více

na magisterský studijní obor Učitelství matematiky pro střední školy

na magisterský studijní obor Učitelství matematiky pro střední školy Datum:... Jméno:... Přijímací řízení pro akademický rok 203/4 na magisterský studijní obor Učitelství matematiky pro střední školy Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd

Více

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti: Zpracoval: hypspave@fel.cvut.cz. Základní vlastnosti abstraktních lineárních prostorů. Lineární závislost, nezávislost, báze, souřadnice vzhledem k bázi, matice lineárního zobrazení vzhledem k bázím.skalární

Více

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0. Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační

Více

MATEMATIKA IV - PARCIÁLNÍ DIFERENCIÁLNÍ ROVNICE - ZÁPISKY Z. Obsah. 1. Parciální diferenciální rovnice obecně. 2. Kvaazilineární rovnice prvního řádu

MATEMATIKA IV - PARCIÁLNÍ DIFERENCIÁLNÍ ROVNICE - ZÁPISKY Z. Obsah. 1. Parciální diferenciální rovnice obecně. 2. Kvaazilineární rovnice prvního řádu MATEMATIKA IV - PARCIÁLNÍ DIFERENCIÁLNÍ ROVNICE - ZÁPISKY Z PŘEDNÁŠEK JAN MALÝ Obsah 1. Parciální diferenciální rovnice obecně 1. Kvaazilineární rovnice prvního řádu 1 3. Lineární rovnice druhého řádu

Více

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných študenti MFF 15. augusta 2008 1 5 Základy teorie funkcí více proměnných Požadavky Parciální derivace a totální

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

Riemannův určitý integrál

Riemannův určitý integrál Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami

Více

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE FBI VŠB-TUO 28. března 2014 4.1. Základní pojmy Definice 4.1. Rovnice tvaru F (x, y, y, y,..., y (n) ) = 0 se nazývá obyčejná diferenciální rovnice n-tého řádu a vyjadřuje vztah mezi neznámou funkcí y

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

Matematická analýza III.

Matematická analýza III. 1. - limita, spojitost Miroslav Hušek, Lucie Loukotová UJEP 2010 Úvod Co bychom měli znát limity posloupností v R základní vlastnosti funkcí jedné proměnné (definiční obor, monotónnost, omezenost,... )

Více

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Poslounosti a řady funkcí študenti MFF 15. augusta 2008 1 3 Poslounosti a řady funkcí Požadavky Sojitost za ředokladu stejnoměrné konvergence Mocninné

Více

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního

Více

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení

Více

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný

Více

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

3 Lineární kombinace vektorů. Lineární závislost a nezávislost 3 Lineární kombinace vektorů. Lineární závislost a nezávislost vektorů. Obrázek 5: Vektor w je lineární kombinací vektorů u a v. Vektory u, v a w jsou lineárně závislé. Obrázek 6: Vektor q je lineární

Více

Rovnice matematické fyziky

Rovnice matematické fyziky Rovnice matematické fyziky cvičení 1 Rovnice matematické fyziky cvičení Michael Krbek Obsah Opakování ze známé matematické analýzy Parciální diferenciální rovnice metoda charakteristik Okrajová úloha pro

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

Více

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2 Matematika 2 14. přednáška Číselné a mocninné řady Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel

Více

ANALYTICKÁ GEOMETRIE V ROVINĚ

ANALYTICKÁ GEOMETRIE V ROVINĚ ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii

Více

Posloupnosti a jejich limity

Posloupnosti a jejich limity KMA/MAT Přednáška č. 7, Posloupnosti a jejich ity 5. listopadu 203 Motivační příklady Prozkoumejme, zatím laicky, následující posloupnosti: Posloupnost, 4, 9,..., n 2,... : Hodnoty rostou nade všechny

Více

z textu Lineární algebra

z textu Lineární algebra 2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

Symetrické a kvadratické formy

Symetrické a kvadratické formy Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso

Více

Funkce zadané implicitně

Funkce zadané implicitně Kapitola 8 Funkce zadané implicitně Začneme několika příklady. Prvním je známá rovnice pro jednotkovou kružnici x 2 + y 2 1 = 0. Tato rovnice popisuje křivku, kterou si však nelze představit jako graf

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Sbírka příkladů z matematické analýzy II. Petr Tomiczek

Sbírka příkladů z matematické analýzy II. Petr Tomiczek Sbírka příkladů z matematické analýzy II Petr Tomiczek Obsah Diferenciální rovnice. řádu 3. Separace proměnných......................... 3. Přechod k separaci.......................... 4.3 Variace konstant...........................

Více

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU

LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU ZDENĚK ŠIBRAVA 1. Obecné řešení lin. dif. rovnice 2.řádu s konstntními koeficienty 1.1. Vrice konstnt. Příkld 1.1. Njděme obecné řešení diferenciální rovnice (1) y

Více

Matematika 3. Úloha 1. Úloha 2. Úloha 3

Matematika 3. Úloha 1. Úloha 2. Úloha 3 Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.

Více

Úvod základy teorie zobrazení

Úvod základy teorie zobrazení Úvod základy teorie zobrazení V přednášce se budeme zabývat diferenciálním a integrálním počtem funkcí více proměnných. Přednáška navazuje na přednášku atematická analýza 1 z prvního semestru. Proto se

Více

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

Více

Přednáška 6, 7. listopadu 2014

Přednáška 6, 7. listopadu 2014 Přednáška 6, 7. listopadu 204 Část 3: nekonečné řady Základní definice. Nekonečná řada, krátce řada, je posloupnost reálných čísel (a n ) R uvedená v zápisu a n = a + a 2 + a 3 +..., spolu s metodou přiřazující

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V.

15. Moduly. a platí (p + q)(x) = p(x) + q(x), 1(X) = id. Vzniká tak struktura P [x]-modulu na V. Učební texty k přednášce ALGEBRAICKÉ STRUKTURY Michal Marvan, Matematický ústav Slezská univerzita v Opavě 15. Moduly Definice. Bud R okruh, bud M množina na níž jsou zadány binární operace + : M M M,

Více

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer Přednáška MATEMATIKA č. 9-11 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Šotová, J., Doudová, L. Diferenciální počet funkcí jedné proměnné Motivační příklady

Více

OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE DIFERENCIÁLNÍ ROVNICE 1.ŘÁDU

OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE DIFERENCIÁLNÍ ROVNICE 1.ŘÁDU OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE Diferenciální rovnice patří mezi nejužívanější nástroje matematiky v aplikacích. Jsou to rovnice, kde neznámou je funkce a rovnice obsahuje i derivace této funkce. Lze očekávat,

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

Funkce více proměnných. April 29, 2016

Funkce více proměnných. April 29, 2016 Funkce více proměnných April 29, 2016 Příklad (Derivace vyšších řádů) Daná je funkce f (x, y) = x 2 y + y 3 x 4, určte její parc. derivace podle x a podle y prvního i druhého řádu, i smíšené. f x = 2xy

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

9. Úvod do teorie PDR

9. Úvod do teorie PDR 9. Úvod do teorie PDR A. Základní poznatky o soustavách ODR1 Diferenciální rovnici nazveme parciální, jestliže neznámá funkce závisí na dvou či více proměnných (příslušná rovnice tedy obsahuje parciální

Více

1 Soustavy lineárních rovnic

1 Soustavy lineárních rovnic 1 Soustavy lineárních rovnic 1.1 Základní pojmy Budeme uvažovat soustavu m lineárních rovnic o n neznámých s koeficienty z tělesa T (potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem

Více

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady.

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady. Číselné řady Definice (Posloupnost částečných součtů číselné řady). Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady. Definice (Součet číselné

Více

stránkách přednášejícího.

stránkách přednášejícího. Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce

Více

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

Více

8 Matice a determinanty

8 Matice a determinanty 8 MATICE A DETERMINANTY 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice 81 Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou tabulku a 11 a 12 a 1n a 21 a 22 a

Více

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic

Více

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na Matematika II 7.1. Zavedení diferenciálních rovnic Definice 7.1.1. Rovnice tvaru F(y (n), y (n 1),, y, y, x) = 0 se nazývá diferenciální rovnice n-tého řádu pro funkci y = y(x). Speciálně je F(y, y, x)

Více

1. Algebraické struktury

1. Algebraické struktury 1. Algebraické struktury Definice 1.1 : Kartézský součin množin A,B (značíme A B) je množina všech uspořádaných dvojic [a, b], kde a A, b B. N-tou kartézskou mocninou nazveme A n. Definice 1.2 : Nechť

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC .6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom

Více

1 Funkce dvou a tří proměnných

1 Funkce dvou a tří proměnných 1 Funkce dvou a tří proměnných 1.1 Pojem funkce více proměnných Definice Funkce dvou proměnných je předpis, který každému bodu z R 2 (tj. z roviny) přiřazuje jediné reálné číslo. z = f(x, y), D(f) R 2

Více

Posloupnosti a jejich konvergence POSLOUPNOSTI

Posloupnosti a jejich konvergence POSLOUPNOSTI Posloupnosti a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace,

Více

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra.

Báze a dimense. Odpřednesenou látku naleznete v kapitolách a 3.6 skript Abstraktní a konkrétní lineární algebra. Báze a dimense Odpřednesenou látku naleznete v kapitolách 3.1 3.3 a 3.6 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: A7B01LAG 15.10.2015: Báze a dimense 1/19 Minulé přednášky 1 Lineární

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

Operátory obecně (viz QMCA s. 88) je matematický předpis který, pokud je aplikován na funkci, převádí ji na

Operátory obecně (viz QMCA s. 88) je matematický předpis který, pokud je aplikován na funkci, převádí ji na 4 Matematická vsuvka: Operátory na Hilbertově prostoru. Popis vlastností kvantové částice. Operátory rychlosti a polohy kvantové částice. Princip korespondence. Vlastních stavy a spektra operátorů, jejich

Více

Kapitola 11: Vektory a matice 1/19

Kapitola 11: Vektory a matice 1/19 Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY Bakalářský studijní program B1101 (studijní obory - Aplikovaná matematika, Matematické metody v ekonomice, Aplikovaná matematika pro řešení krizových situací)

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální

Více

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A středa 19. listopadu 2014, 11:20 13:20 ➊ (8 bodů) Rozhodněte o stejnoměrné konvergenci řady n 3 n ( ) 1 e xn2 x 2 +n 2 na množině A = 0, + ). ➋

Více

Funkce jedn e re aln e promˇ enn e Derivace Pˇredn aˇska ˇr ıjna 2015

Funkce jedn e re aln e promˇ enn e Derivace Pˇredn aˇska ˇr ıjna 2015 Funkce jedné reálné proměnné Derivace Přednáška 2 15. října 2015 Obsah 1 Funkce 2 Limita a spojitost funkce 3 Derivace 4 Průběh funkce Informace Literatura v elektronické verzi (odkazy ze STAGu): 1 Lineární

Více

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK

Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Josef Janyška Anna Sekaninová ANALYTICKÁ TEORIE KUŽELOSEČEK A KVADRIK Obsah 1 KOMPLEXNÍ ROZŠÍŘENÍ PROSTORU 7 1 Komplexní rozšíření vektorového prostoru........... 7 Komplexní rozšíření reálného afinního

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

M4140 Vybrané partie z matematické analýzy Přírodovědecká fakulta MU

M4140 Vybrané partie z matematické analýzy Přírodovědecká fakulta MU M4140 Vybrané partie z matematické analýzy Přírodovědecká fakulta MU jaro 2010 Rozsah 4/2/0. 6 kr. Ukončení: zk. 1) Obyčejné diferenciální rovnice: 1.1. Úvod základní pojmy, přímé metody řešení některých

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)

Více

Nekonečné číselné řady. January 21, 2015

Nekonečné číselné řady. January 21, 2015 Nekonečné číselné řady January 2, 205 IMA 205 Příklad 0 = 0 + 0 +... + 0 +... =? n= IMA 205 Příklad n= n 2 + n = 2 + 6 + 2 +... + n 2 +... =? + n s = 2 s 2 = 2 3... s 3 = 3 4 IMA 205 Příklad (pokr.) =

Více

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa 2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace

Více

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme

Více

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

Číselné vektory, matice, determinanty

Číselné vektory, matice, determinanty Číselné vektory, matice, determinanty Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada (Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem

Více

Základy matematické analýzy (BI-ZMA)

Základy matematické analýzy (BI-ZMA) Příklady ke cvičení z předmětu Základy matematické analýzy (BI-ZMA) Matěj Tušek Katedra matematiky České vysoké učení technické v Praze BI-ZMA ZS 009/00 Evropský sociální fond Praha & EU: Investujeme do

Více

Petr Hasil. Prvákoviny c Petr Hasil (MUNI) Úvod do infinitezimálního počtu Prvákoviny / 57

Petr Hasil. Prvákoviny c Petr Hasil (MUNI) Úvod do infinitezimálního počtu Prvákoviny / 57 Úvod do infinitezimálního počtu Petr Hasil Prvákoviny 2015 c Petr Hasil (MUNI) Úvod do infinitezimálního počtu Prvákoviny 2015 1 / 57 Obsah 1 Úvod Funkce Reálná čísla a posloupnosti Limita a spojitost

Více

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0. Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin

Více

Pythagorova věta a pythagorejské trojúhelníky-ondřej Zeman Asi 600 př.n.l

Pythagorova věta a pythagorejské trojúhelníky-ondřej Zeman Asi 600 př.n.l Pythagorova věta a pythagorejské trojúhelníky-ondřej Zeman Asi 600 př.n.l Baudhayana (kolem 800 př.n.l) Pythagoras ze Sámu (asi 580 př.n.l asi 500 př.n.l) Motivace: Tato věta mě zaujala, protože se o ní

Více

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a

Více

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená. Datum:... Jméno:... Přijímací řízení pro akademický rok 28/9 na magisterské studijní obor Finanční informatiky a statistika Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd se získávají

Více

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Matematika pro studenty ekonomie Vydala Grada Publishing, a.s. U Průhonu 22, 70 00 Praha 7 tel.: +420 234 264 40, fax: +420 234 264 400 www.grada.cz jako svou

Více

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru 1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).

Více

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0 Vzhledem k tomu, že jsem to psala ve velkém spěchu, mohou se vyskytnout nějaké chybičky. Pokud nějaké najdu, opravím je hned po prázdninách. Zadání A. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte,

Více

5. Interpolace a aproximace funkcí

5. Interpolace a aproximace funkcí 5. Interpolace a aproximace funkcí Průvodce studiem Často je potřeba složitou funkci f nahradit funkcí jednodušší. V této kapitole budeme předpokládat, že u funkce f známe její funkční hodnoty f i = f(x

Více

Požadavky ke zkoušce. Ukázková písemka

Požadavky ke zkoušce. Ukázková písemka Požadavky ke zkoušce Zkouška z předmětu MATEMATIKA 1 má dvě části Písemná část: Písemná část se ještě dále rozděluje na praktickou část písemku a teoretickou část test. Písemka trvá 90 minut a je v ní

Více